QuantizedConv2d

کلاس نهایی عمومی QuantizedConv2d

کانولوشن دوبعدی را با داده های ورودی 4 بعدی کوانتیزه شده و تانسورهای فیلتر محاسبه می کند.

ورودی ها تانسورهای کوانتیزه ای هستند که کمترین مقدار نشان دهنده تعداد واقعی حداقل مربوطه و بالاترین نشان دهنده حداکثر است. این بدان معنی است که شما فقط می توانید خروجی کوانتیزه شده را به همان روش تفسیر کنید، با در نظر گرفتن مقادیر حداقل و حداکثر برگشتی.

کلاس های تو در تو

کلاس

QuantizedConv2d.Options

ویژگی های اختیاری برای QuantizedConv2d

ثابت ها

رشته

OP_NAME

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

روش های عمومی

static <V TType > QuantizedConv2d <V> را گسترش می دهد	ایجاد ( دامنه دامنه ، عملوند <? گسترش TType > ورودی، عملوند <? گسترش TType > فیلتر، عملوند < TFloat32 > minInput، عملوند < TFloat32 > maxInput، عملوند < TFloat32 > minFilter، عملوند < TFloat32 > maxFilter > maxFilter، Class<V>outpey، , List<Long> strides, String padding, Options... گزینه ها) روش کارخانه برای ایجاد کلاسی که یک عملیات جدید QuantizedConv2d را بسته بندی می کند.
استاتیک QuantizedConv2d.Options	اتساع (List<Long> dilation)
خروجی < TFloat32 >	حداکثر خروجی () مقدار شناور که بالاترین مقدار خروجی کوانتیزه شده نشان دهنده آن است.
خروجی < TFloat32 >	minOutput () مقدار شناوری که کمترین مقدار خروجی کوانتیزه شده نشان دهنده آن است.
خروجی <V>	خروجی ()

روش های ارثی

از کلاس org.tensorflow.op.RawOp

بولی نهایی	برابر است (object obj)
بین المللی نهایی	هش کد ()
عمل	عملیات () این واحد محاسبه را به عنوان یک Operation واحد برگردانید.
رشته نهایی	toString ()

از کلاس java.lang.Object

بولی	برابر است (شیء arg0)
کلاس نهایی<?>	getClass ()
بین المللی	هش کد ()
باطل نهایی	اعلام کردن ()
باطل نهایی	اطلاع رسانی به همه ()
رشته	toString ()
باطل نهایی	صبر کنید (long arg0، int arg1)
باطل نهایی	صبر کنید (طولانی arg0)
باطل نهایی	صبر کن ()

از رابط org.tensorflow.op.Op

چکیده Execution Environment	env () محیط اجرایی را که این عملیات در آن ایجاد شده است برگردانید.
عملیات انتزاعی	عملیات () این واحد محاسبه را به عنوان یک Operation واحد برگردانید.

ثابت ها

رشته نهایی ثابت عمومی OP_NAME

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

مقدار ثابت: "QuantizedConv2D"

روش های عمومی

استاتیک عمومی QuantizedConv2d <V> ایجاد ( دامنه دامنه ، عملوند <? گسترش TType > ورودی، عملوند <? گسترش TType > فیلتر، عملوند < TFloat32 > minInput، عملوند < TFloat32 > maxInput، عملوند < TFloat32 > minFilter، عملوند maFilter > TF2 , Class<V> outType, List<Long> گام‌های بلند, لایه‌بندی رشته, گزینه‌ها... گزینه‌ها)

روش کارخانه برای ایجاد کلاسی که یک عملیات جدید QuantizedConv2d را بسته بندی می کند.

مولفه های

محدوده	محدوده فعلی
فیلتر	بعد input_depth فیلتر باید با ابعاد عمق ورودی مطابقت داشته باشد.
minInput	مقدار شناور که کمترین مقدار ورودی کوانتیزه شده نشان دهنده آن است.
maxInput	مقدار شناور که بالاترین مقدار ورودی کوانتیزه شده نشان دهنده آن است.
minFilter	مقدار شناور که کمترین مقدار فیلتر کوانتیزه شده نشان دهنده آن است.
maxFilter	مقدار شناور که بالاترین مقدار فیلتر کوانتیزه شده نشان دهنده آن است.
گام برداشت	گام پنجره کشویی برای هر بعد تانسور ورودی.
لایه گذاری	نوع الگوریتم padding مورد استفاده.
گزینه ها	مقادیر ویژگی های اختیاری را حمل می کند

برمی گرداند

• یک نمونه جدید از QuantizedConv2d

اتساع عمومی QuantizedConv2d.Options ثابت (List<Long> dilation)

مولفه های

اتساع	تانسور 1 بعدی به طول 4. ضریب اتساع برای هر بعد «ورودی». اگر روی k> 1 تنظیم شود، بین هر عنصر فیلتر در آن بعد، سلول های k-1 پرش شده وجود خواهد داشت. ترتیب ابعاد با مقدار "قالب_داده" تعیین می شود، برای جزئیات بیشتر به بالا مراجعه کنید. اتساع در ابعاد دسته ای و عمقی باید 1 باشد.

خروجی عمومی < TFloat32 > maxOutput ()

مقدار شناور که بالاترین مقدار خروجی کوانتیزه شده نشان دهنده آن است.

خروجی عمومی < TFloat32 > minOutput ()

مقدار شناوری که کمترین مقدار خروجی کوانتیزه شده نشان دهنده آن است.

خروجی عمومی <V> خروجی ()